rgb2gray-CSDN博客

原创 Spatial Data Analysis（五）：使用 `census` 包获取人口普查数据

本教程将帮助您学习如何使用 python 直接获取人口普查数据，以避免从人口普查网站下载的麻烦。安装“census”和“us”包。 “us”包提供了一些对 FIPS 代码的便捷查找。Import the packages首先，从此处获取人口普查 API 密钥。这将要求您输入您的隶属关系和电子邮件。然后您需要通过电子邮件激活您的 API 密钥。然后您将得到一个长密钥字符串来替换我这里的字符串：然后我们可以使用一个函数来自动下载人口普查数据并将其制作成格式良好的 Dataframe。以下是获取变量

2023-12-06 18:02:42 964

原创 Spatial Data Analysis（四）：空间自相关示例

在空间分析中，全局 Moran’s I 和 p 值通常一起使用，以确认空间数据集是否呈现出显著的空间自相关性。如果 Moran’s I 的值接近1且 p 值小于0.05，则可以得出结论，空间数据集呈现出显著的空间自相关性，即空间聚集现象。反之，如果 p 值大于0.05，则可以得出结论，空间数据集中观测点的价值没有表现出统计学上显著的空间自相关性。如果点之间的距离越远，它们之间的空间滞后就越大。全局 Moran’s I 是一个用于空间自相关性检测的指标，它可以用于检测空间数据集中的空间聚集现象。

2023-12-06 17:07:08 3399

原创 Spatial Data Analysis（三）：点模式分析

--- 1853年伦敦霍乱爆发在此示例中，我将演示如何使用 John Snow 博士的经典霍乱地图在 Python 中执行 KDE 分析和距离函数。原始数据从这里获得：rasterioseabornpointpats。

2023-12-06 00:13:23 1168

原创 Spatial Data Analysis（二）：网络分析

可以指定自定义过滤器，并且可以在此处找到关键字：https://wiki.openstreetmap.org/wiki/Map_features。要绘制图形，您需要定义节点的位置，或者您可以使用一些预定义的布局，例如此处的“shell_layout”（同心圆）。在这里，我们将使用一个名为“osmnx”的包，它可以获取开放街道地图数据并将它们放入干净的网络格式。您可以获取世界上任何城市/地点的数据。绘制网络，可以修改颜色、节点大小、图大小等。浅黄色区域是具有较高程度中心性的地点/节点。

2023-12-04 15:59:36 686 1

原创 Spatial Data Analysis（一）：线性回归

来源：https://github.com/Ziqi-Li/GEO4162C/tree/main在此示例中，我们将介绍如何在 python 中拟合线性回归模型。我们将使用的数据集是 2020 年县级选举投票数据以及来自 ACS 的社会经济数据。使用公共键合并两个 DataFrame。制作一张关于人们如何投票的地图。非常熟悉的蓝红色景观。

2023-12-04 15:53:29 1037

原创 SHAP（六）：使用 XGBoost 和 HyperOpt 进行信用卡欺诈检测

本笔记本介绍了 XGBoost Classifier 在金融行业中的实现，特别是在信用卡欺诈检测方面。构建 XGBoost 分类器后，它将使用 HyperOpt 库（sklearn 的 GridSearchCV 和 RandomziedSearchCV 算法的替代方案）来调整各种模型参数，目标是实现正常交易和欺诈交易分类的最大 f1 分数。作为模型评估的一部分，将计算 f1 分数度量，为分类构建混淆矩阵，生成分类报告并绘制精确召回曲线。

2023-12-02 23:45:16 990

原创 SHAP（五）：使用 XGBoost 进行人口普查收入分类

本笔记本演示了如何使用 XGBoost 预测个人年收入超过 5 万美元的概率。它使用标准 UCI 成人收入数据集。要下载此笔记本的副本，请访问。XGBoost 等梯度增强机方法对于具有多种形式的表格样式输入数据的此类预测问题来说是最先进的。Tree SHAP（）允许精确计算树集成方法的 SHAP 值，并已直接集成到 C++ XGBoost 代码库中。这允许快速精确计算 SHAP 值，无需采样，也无需提供背景数据集（因为背景是从树木的覆盖范围推断出来的）。

2023-12-02 21:54:09 1476

原创 SHAP（四）：NHANES I 生存模型

XGBoost 的 SHAP 值解释了模型的边际输出，即 Cox 比例风险模型的死亡对数几率的变化。我们可以从下面看到，根据模型，死亡的主要危险因素是年老。死亡风险的下一个最有力的指标是男性。该摘要图取代了特征重要性的典型条形图。它告诉我们哪些特征是最重要的，以及它们对数据集的影响范围。颜色使我们能够匹配特征值的变化如何影响风险的变化（例如高白细胞计数导致高死亡风险）。

2023-12-02 17:05:40 1787

原创 SHAP（三）：在解释预测模型以寻求因果见解时要小心

与 Microsoft 的 Eleanor Dillon、Jacob LaRiviere、Scott Lundberg、Jonathan Roth 和 Vasilis Syrgkanis 合作撰写的关于因果关系和可解释机器学习的文章。当与 SHAP 等可解释性工具配合使用时，XGBoost 等预测机器学习模型会变得更加强大。这些工具确定输入特征和预测结果之间信息最丰富的关系，这对于解释模型的作用、获得利益相关者的支持以及诊断潜在问题非常有用。

2023-12-02 02:09:00 1139

原创 SHAP（一）：具有 Shapley 值的可解释 AI 简介

这是用 Shapley 值解释机器学习模型的介绍。沙普利值是合作博弈论中广泛使用的方法，具有理想的特性。本教程旨在帮助您深入了解如何计算和解释基于 Shapley 的机器学习模型解释。我们将采取实用的实践方法，使用“shap”Python 包来逐步解释更复杂的模型。这是一个动态文档，作为“shap” Python 包的介绍。因此，如果您有反馈或贡献，请提出问题或拉取请求，以使本教程变得更好！

2023-11-28 01:22:36 2430

原创 SHAP（二）：使用 XGBoost 预测英雄联盟获胜

特定预测的特征的 SHAP 值表示当我们观察该特征时模型预测的变化程度。在下面的汇总图中，我们将单个特征（例如“goldearned”）的所有 SHAP 值绘制成一行，其中 x 轴是 SHAP 值（对于该模型，以获胜的对数赔率为单位）。通过对所有特征执行此操作，我们可以看到哪些特征对模型的预测有很大影响（例如“goldearned”），哪些特征对预测影响很小（例如“kills”）。请注意，当点在线上不一致时，它们会垂直堆积以显示密度。每个点也根据该特征的值从高到低进行着色。

2023-11-05 23:29:57 707

原创地理加权回归GWR（Geographically Weighted Regression）

本笔记本演示了如何使用 Oshan 等人中包含的示例代码使用 MGWR Python 包执行地理加权回归GWR（Geographically Weighted Regression）是一种空间数据分析方法，用于处理空间异质性（spatial heterogeneity）问题。与传统的全局回归方法不同，GWR考虑了空间上相邻观测点之间的关联性，允许回归系数在空间上发生变化。这意味着，GWR可以捕捉到在空间上不同地区（或位置）的变量之间关系的差异。

2023-10-30 23:22:55 1731 1

原创 ESDA in PySal (6)：评估空间异方差的局部模式：LOSH

在下面的笔记本中，我们回顾了提出的局部空间异方差 (LOSH) 统计量 (Hi) -y）。LOSH 旨在作为分析空间过程平均水平的本地统计数据的补充。LOSH 侧重于分析空间过程的方差。正如 Ord 和 Getis 所概述的，考虑 10 x 10 的属性值网格。在这个网格中，有一个中心高租金区域（由单元格为 1 标识）和周围的低值区域（由单元格为 0 标识）。

2023-10-17 15:36:43 219

原创 ESDA in PySal (5)：空间数据的探索性分析：空间自相关

在本笔记本中，我们介绍_探索性空间数据分析_的方法旨在通过正式的单变量和空间聚类的多变量统计检验。

2023-10-17 15:19:43 1281 1

原创 ESDA in PySal (4)：shape-measures：形状测量

esda.shape模块提供文献中使用的统计数据来测量多边形的结构和规则性。这些测量值从非常简单（例如长宽差）到非常复杂（例如归一化转动惯量）不等。无论如何，我们将逐步计算密西西比州各县的一些度量值。为什么是密西西比州？因为密西西比州西侧的县与密西西比河相连，河道蜿蜒曲折。一般来说，我们会认为该州左侧的县比右侧面积更大的县更“不规则”。第一个非常简单的测量是形状的长度和宽度之间的差异。该测量是伸长率的测量。您可以看到下面的效果，其中相对正方形的县被涂成深蓝色，而拉长的矩形县则被涂成浅黄色。

2023-10-17 14:45:24 136

原创 ESDA in PySal (3)：Geosilhouettes：集群拟合的地理测量

是观测值与给定聚类的拟合优度的非参数度量。在聚类具有“地理”解释的情况下，例如当它们代表地理区域时，轮廓统计可以结合“空间思维”，以便提供更有用的聚类拟合度量。。这两项新措施共同提供了测量地理数据科学中聚类问题中聚类拟合优度的新方法。下面，我们将深入探讨这些是如何在“esda”包中实现的。首先，让我们设置一些数据。我们将考虑单个单变量数据集，即 1989 年美国南部腹地各县的基尼指数。最后，出于绘图目的，让我们获取底图。

2023-09-17 22:09:42 212

原创 ESDA in PySal (2) localjoincounts

PySAL有5种全局自相关检验：Gamma值、Join Count、Moran’s I、Geary’s C、和Getis and Ord’s G在下面的笔记本中，我们回顾了提出的不同类型的本地连接计数（LJC）。LJC 关注采用二进制值（例如 0 或 1）的空间现象，例如美国大选的获胜与失败，。这套探索性统计数据对于想要关注 Anselin 和 Li 所说的“协同定位”不同类型的分析师来说特别有用。即是否存在特定的 0 或 1 值。下面提供了每个统计数据的用例及其在 PySAL 中的实现。

2023-08-29 16:57:26 342

原创 ESDA in PySal (1) 利用 A-DBSCAN 聚类点并探索边界模糊性

在本例中，我们将以柏林的 AirBnb 房源样本为例，说明如何使用 A-DBSCAN (

2023-08-29 16:41:02 835

原创 Kaggle（3）：Predict CO2 Emissions in Rwanda

在本次竞赛中，我们的任务是预测非洲 497 个不同地点 2022 年的二氧化碳排放量。在训练数据中，我们有 2019-2021 年的二氧化碳排放量1.通过平滑消除2020年一次性的新冠疫情趋势。或者，用 2019 年和 2021 年的平均值来估算 2020 年也是一种有效的方法，但此处未实施2.3. 以 2019 年和 2020 年为训练数据，用一些集成模型进行实验，以测试其在 2021 年数据上的 CV。

2023-08-26 00:50:24 471

原创 Kaggle (2) :Bike Sharing Demand 共享单车需求预测

采用xgboost+random forest，虽然包括random forest在内的模型在cross validation上表现很不错，但实际上还是存在过拟合，且使用随机交换特征等数据增强的效果也不怎么好。可以发现，在工作日中的高峰期是早上8点和下午17点、18点；可见注册用户具有和【工作日中的时间-使用量】相似的使用曲线；而非注册用户则具有和【非工作日中的时间-使用量】相似的使用曲线。进一步分析可以发现，和注册用户相比，非注册用户更倾向于在非工作日中使用自行车。可见工作日和非工作日有明显的差距；

2023-07-28 21:08:22 850

原创 Geocomputation （7）地理数据I/O

本章介绍地理数据的读写。地理数据导入对于地理计算至关重要：没有数据，现实世界的应用程序就不可能实现。数据输出也至关重要，使其他人能够使用您工作中产生的有价值的新数据集或改进的数据集。总的来说，这些导入/输出过程可以称为数据I/O。地理数据 I/O 通常在项目开始和结束时只需几行代码即可完成。它作为一个简单的一步过程经常被忽视。

2023-07-07 01:22:04 746

原创 Geocomputation （6）重新投影地理数据

sec-coordinate-reference-systems 引入了坐标参考系统（CRS），重点关注两种主要类型：地理（“经度/纬度”，单位为经度和纬度）和投影（通常以米为单位）基准）坐标系。本章以这些知识为基础并进行了更深入的探讨。它演示了如何设置地理数据并将其从一种 CRS 转换为另一种 CRS，此外，还强调了您应该注意的由于忽略 CRS 而可能出现的特定问题，特别是当您的数据使用经度/纬度坐标存储时。在许多项目中，无需担心不同的 CRS，更不用说在不同的 CRS 之间进行转换。

2023-06-29 15:57:13 461

原创 Geocomputation （5）raster vector光栅矢量

许多地理数据项目涉及集成来自许多不同来源的数据，例如遥感图像（栅格）和行政边界（矢量）。输入栅格数据集的范围通常大于感兴趣区域。在这种情况下，栅格裁剪和屏蔽对于统一输入数据的空间范围非常有用。这两种操作都减少了对象内存的使用和后续分析步骤的相关计算资源，并且可能是创建涉及栅格数据的有吸引力的地图之前必要的预处理步骤。代表犹他州西南部海拔（海拔米）的“srtm.tif”栅格代表锡安国家公园的zion.gpkg矢量图层目标对象和裁剪对象必须具有相同的投影。

2023-06-25 18:26:27 441

原创 Geocomputation （4）几何图形操作

到目前为止，本书已经解释了地理数据集的结构（第 2 章），以及如何根据其非地理属性（第 3 章）和空间关系（第 4 章）来操作它们。本章重点介绍如何操作地理对象的地理元素，例如简化和转换矢量几何、裁剪栅格数据集以及将矢量对象转换为栅格以及将栅格转换为矢量。阅读完它并尝试最后的练习后，您应该理解并控制 sf 对象中的几何列以及栅格中表示的像素相对于其他地理对象的范围和地理位置。@sec-geo-vec 涵盖了使用“一元”和“二元”运算转换矢量几何形状。

2023-06-23 17:06:01 373

原创 Geocomputation （3）空间数据操作

空间子集化是获取空间对象并返回仅包含与另一个对象在空间中相关的特征的新对象的过程。类似于属性子集（在 @sec-vector-attribute-subsetting 中介绍），可以使用方括号（“[”）运算符使用语法“x[y]”创建“GeoDataFrame”的子集，其中“x”是一个“GeoDataFrame”，将从中返回行/特征的子集，“y”是“子集对象”。

2023-06-23 00:37:52 557

原创 Geocomputation （2）属性数据操作

例如，我们希望将“continent”和“region_un”列合并到名为“con_reg”的新列中，使用“:”作为分隔符。例如，伦敦的 Elephant & Castle / New Kent Road 停靠点的坐标为经度“-0.098”和纬度“51.495”，在@中描述的简单特征表示中可以表示为“POINT (-0.098 51.495)” sec-空间类。中介“idx_small”（代表小国家的索引的缩写）是一个布尔值“Series”，可用于按表面积划分世界上七个最小国家的子集。

2023-06-21 01:10:13 1856

原创 Geocomputation （1）Python中的地理数据

正如我们将在本章后面的示例代码中看到的那样，和GeoSeries生态系统提供了一种在 Python 中处理矢量图层的综合方法，许多包都基于它构建。然而，栅格数据的情况并非如此：有几个部分重叠的包用于处理栅格数据，每个包都有自己的优点和缺点。numpydict另一个值得一提的与栅格相关的包是。它是用于处理带标签数组的通用包，因此有利于处理“复杂”栅格格式（例如 NetCDF），使用其自己的本机类表示栅格，即和本章将简要介绍基本的地理数据模型：矢量和栅格。

2023-06-20 09:00:00 453

原创基于距离的平面点模式统计方法（pysal.pointpats doc）

在这个例子中，我们将生成一个点模式作为“观察到的”点模式。通过将观察到的点模式的距离函数与来自 CSR 过程的点模式的距离函数进行比较，我们能够推断观察到的点模式的潜在空间过程是否为给定置信度的 CSR。，因为它测量从“空白空间”中的随机点到点模式中“填充”点的距离。这些随机点的数量决定了我们对观察到的点模式的测量的“细粒度”程度。同样，我们可以看到包络通常高于观察到的函数，这意味着我们的点模式是分散的。点过程的最近邻距离分布函数（包括最近的“事件到事件”和“点到事件”距离分布函数）是几种累积分布函数——

2023-06-15 16:36:12 852

原创 leetcode python刷题记录（十二）（121~130）

【代码】leetcode python刷题记录（十二）（121~130）

2023-06-06 12:42:06 144

原创 leetcode python刷题记录（十二）（111~120）

给定一个二叉树，找出其最小深度。最小深度是从根节点到最近叶子节点的最短路径上的节点数量。**说明：**叶子节点是指没有子节点的节点。[0, 10^5]

2023-05-15 00:43:06 119

原创 leetcode python刷题记录（十一）（101~110）

【代码】leetcode python刷题记录（十一）（101~110）

2023-04-26 10:55:54 164

转载 [转]核密度估计与自适应带宽的核密度估计

在很多情况下，我们对样本的分布并没有充分的了解，无法事先给出密度函数的形式，而且有些样本分布的情况也很难用简单的函数来描述。另外，带宽应与兴趣点的离散程度呈正相关，对于稀疏型的兴趣点分布应采用较大的带宽，而对于密集型的兴趣点则应考虑较小一些的带宽。如果带宽不是固定的，而是根据样本的位置而变化(其变化取决于估计的位置（balloon estimator）或样本点（逐点估计pointwise estimator）)，则会产生一种特别有力的方法，称为。时，自适应带宽的核密度估计就变成了固定带宽的核密度估计了。

2023-04-17 18:46:57 1650

原创 leetcode python刷题记录（十）（91~100）

读于一棵二叉搜索树来说，一个重要的性质就是它的中序遍历为升序，中序遍历的过程为左 -> 根 -> 右，如果给每个结点标记上编号，意思就是说所有左子树节点的编号一定小于根节点，所有右子树的结点编号大于根节点。

2023-04-14 13:00:29 625

原创铁路轨道不平顺数据分析与预测

铁路轨道作为铁行车的基础设施，是铁路线路的重要组成部分。随着经济和交通运输业的发展，我国的铁路运输正朝着高速和重载方向迅速发展，与此同时，轨道结构承受来自列车荷载、运行速度的冲击和列车的振动等各方面的作用力不断增大，不仅加速了铁路轨道设备的损坏，由此产生的轨道不平顺问题会严重影响车辆行，乘客的舒适度以及设备的使用寿命等，存在非常严重的安全隐患。在铁路运营过程中，轨道在列车不稳定荷载的反复作用下容易发生一定的几何形变，这其中有些是垂直向和横向的动态弹性变形，有些则是永久变形，而这些现象都统称为轨道不平顺。

2023-04-06 01:02:21 2796 5

原创 Geospatial Data Science (10): Individual mobility

一个分析移动数据scikit-mobility 提供了两个用户友好的数据结构，它们扩展了pandasDataFrame。

2023-04-05 22:50:31 412

原创 Geospatial Data Science （9）: Spatial networks

它具有将点捕捉到网络并分析受限于网络的点模式的工具，这对于提出诸如“街道网络上的酒吧/药店*如何聚集？如果不是东北部的那两家药房紧挨着，它们的观察曲线将位于近距离模拟包络线的最低端，表明它们在近距离上相当分散。Ripley 的 K 函数采用点模式并考虑最近邻居的所有成对距离，以确定在划定的距离范围内是否存在聚类：https://en.wikipedia.org/wiki/Spatial_descriptive_statistics#Ripley’s_K_and_L_functions。

2023-03-23 22:39:02 469

原创 leetcode python刷题记录（九）（81~90）

【代码】leetcode python刷题记录（九）（81~90）

2023-03-23 12:33:53 122

原创 Geospatial Data Science （8）: OpenStreetMap and OSMnx

使用自定义过滤器来微调您的网络。OSMnx 使用预设来查询允许步行、骑自行车、驾车等的街道。您可以通过传递来覆盖它，以在图表中指定您想要的特定 OSM 方式。place = {11 primary要下载整个国家/地区的道路网络，您通常需要将查询限制为仅限高速公路之类的内容，以适应您计算机的 RAM。对于大型查询，例如整个比利时，OSMnx 会将您的查询细分为多个服务器请求以下载所有数据，然后组合图。

2023-03-22 21:36:52 691

原创 Geospatial Data Science（7）: Point pattern analysis

点是空间实体，可以用两种根本不同的方式来理解。一方面，点可以看作是空间中的固定对象，也就是说它们的位置是给定的（外生在这种情况下，点的分析与其他类型的空间数据（如多边形和线）的分析非常相似。另一方面，点可以看作是事件的发生，理论上可以在任何地方发生，但只在特定位置出现。这是我们将在笔记本的其余部分采用的方法。当点被视为可能发生在多个位置但只发生在其中几个位置的事件时，此类事件的集合称为点模式。在这种情况下，点的位置是分析兴趣的关键方面之一。

2023-03-10 20:50:19 1089

原创 Geospatial Data Science （6）: Spatial clustering

与ESDA技术一样，区域化方法也需要一个便于统计的正式空间表示。在实践中，这意味着我们将需要为要汇总的地区创建一个空间权重矩阵。从技术上讲，这与我们之前看到的过程相同，这要归功于PySAL。在这种情况下，不同的是，我们不是从shapefile开始，而是从GeoJSON开始。幸运的是，PySAL支持 "即时"构建空间权重矩阵，也就是从一个表格开始。这是一个单行本。

2023-03-05 11:27:47 1386

纵断面-记录和计算工程项目中特定区域的纵断面特性.xlsx

该设计表是一个纵断面表，用于详细记录和计算工程项目中特定区域的纵断面特性。它包括了地面高程、设计高程、填挖高程、坡口和坡脚信息，以及左右两侧的平曲线数据。以下是该设计表的功能描述： 1. **纵断面特性记录**： - 表中记录了每个桩号的地面高程和设计高程，这些数据用于描述地形的变化和工程设计的高程要求。 2. **填挖高程计算**： - 提供了每个桩号的填挖高程信息，即需要填充或挖掘的土方量，这对于土方工程的规划和执行至关重要。 3. **坡度设计**： - 包含了坡口和坡脚的高程差和水平距离，这些信息用于确定道路或工程结构的坡度，确保排水和结构稳定性。 4. **平曲线参数**： - 记录了左右两侧的平曲线参数，如A1、A2、A3等，这些参数对于设计和施工过程中的曲线放样和验证非常重要。 5. **施工放样**： - 施工团队可以使用这些数据进行放样，确保施工按照设计图纸进行，特别是在处理道路弯道或其他曲线结构时。 6. **数据存档与分析**： - 作为项目文档的一部分，该表用于记录和存档纵断面的详细设计信息，以备未来参考或审计。

2024-03-23

逐桩坐标表直线段.xlsx

该设计表是一个逐桩坐标表，专门用于记录和计算直线段的坐标和方位角。它提供了直线段上各个桩号的详细位置信息，包括坐标（N (X) 和 E (Y)）、方位角以及桩号差。以下是该设计表的功能描述： 1. **精确位置记录**： - 表中记录了直线段上每个桩号的精确坐标，这对于确保工程项目的精确施工至关重要。 2. **方位角计算**： - 提供了每个桩号的方位角，这对于确定直线段的方向和施工放样非常重要。 3. **桩号差计算**： - 表中计算了相邻桩号之间的差值，这有助于了解直线段的长度和施工进度。 4. **施工放样**： - 施工团队可以使用这些坐标和方位角来放样，即在地面上标记出工程的具体位置，确保施工按照设计图纸进行。 5. **数据存档**： - 作为项目文档的一部分，该表用于记录和存档直线段的详细设计信息，以备未来参考或审计。 6. **后期维护**： - 项目完成后，这个表格可以用于后期的维护和改造工作，因为它提供了每个重要位置的详细坐标。 7. **工程量计算**： - 坐标数据可以用于计算土方工程量、材料需求和其他

2024-03-23

逐桩坐标表曲线段方位角.xlsx

该设计表是一个专门用于记录和计算曲线段逐桩坐标及方位角的工具。它详细列出了与曲线段相关的各种参数，包括缓和曲线的起点和终点桩号、切线横距、坐标元素、方位角、半径、长度等。以下是该设计表的功能描述： 1. **曲线段参数记录**： - 记录了曲线段的关键参数，如第一缓和曲线起点桩号、第一缓和曲线终点桩号、第二缓和曲线起点桩号等，以及与之相关的坐标和方位角信息。 2. **曲线设计和分析**： - 提供了曲线设计所需的详细几何参数，如圆曲线半径R、缓和曲线长度Ls、切线长度T等，这些参数对于设计和分析道路曲线至关重要。 3. **方位角计算**： - 包含了交点前后直线方位角、圆曲线方位角以及缓和曲线方位角的计算，这些数据对于确保道路曲线的正确铺设和转向至关重要。 4. **坐标计算**： - 表中提供了任意点到曲线关键点（如ZH、HY、QZ）的曲线长l，以及坐标元素，这些数据用于计算曲线上任意点的具体位置。 5. **施工放样**： - 施工团队可以利用这些数据进行放样，确保曲线段按照设计图纸准确施工。 6. **数据存档**： - 作为项

2024-03-23

逐桩坐标表-用于记录和存档工程项目中的详细地理位置信息.xlsx

该设计表是一个逐桩坐标表，它主要用于记录和存档工程项目中的详细地理位置信息。每个桩号的位置都通过其高程、坐标（N (X) 和 E (Y)）、方位角以及可能的备注信息来明确标识。以下是该设计表的功能和应用的详细描述： 1. **精确定位**： - 表中提供了每个桩号的精确高程和坐标，这对于确保工程项目的精确施工至关重要。 2. **施工放样**： - 施工团队可以使用这些坐标来放样，即在地面上标记出工程的具体位置，确保施工按照设计图纸进行。 3. **设计验证**： - 工程师可以使用这个表格来验证设计图纸上的桩号位置是否准确无误。 4. **数据记录**： - 逐桩坐标表作为项目文档的一部分，用于记录工程项目的详细地理位置信息，以备未来参考或审计。 5. **后期维护**： - 项目完成后，这个表格可以用于后期的维护和改造工作，因为它提供了每个重要位置的详细坐标。 6. **工程量计算**： - 坐标数据可以用于计算土方工程量、材料需求和其他相关的工程量。 7. **GIS集成**： - 这些坐标数据可以导入地理信息系统（GIS）

2024-03-23

直线、曲线及转角表.xlsx

该设计表是一个用于记录和计算道路工程中直线、曲线及转角参数的工具。它包含了详细的交点坐标、交点桩号、转角值、曲线要素值等数据，以及直线长度和方向的计算。以下是该设计表的功能和应用的详细描述： 1. **曲线和直线参数计算**： - 表中记录了各个交点的坐标（X, Y），交点桩号，以及与这些交点相关的曲线参数，如转角值α（度）、半径R、缓和曲线长度Ls、切线长度T、曲线长度L、外距E和校正值J。 2. **曲线几何特性分析**： - 设计表提供了曲线的详细几何特性，包括第一缓和曲线起点、第一缓和曲线终点或圆曲线起点、曲线中点、圆曲线终点或第二缓和曲线起点、第二缓和曲线终点等，这些信息对于道路设计和施工至关重要。 3. **直线段长度和方向**： - 表中计算了直线段的长度和方向，包括交点间距、计算方位角（小于0的角度需要加上180度表示）、转角值α的弧度表示、切线增长值q、内移值p、缓和曲线角β0（角度和弧度表示）。 4. **道路设计和规划**： - 该设计表是道路设计和规划过程中的重要参考资料，它帮助工程师确定道路的几何形状，包括直线段、曲线段和转角，

2024-03-23

土石方数量计算表.xlsx

该设计表是一个详细的土石方数量计算工具，主要用于土木工程项目中的土石方量计算和调配。它记录了各个桩号位置的横断面积、挖方量、填方量、本桩利用量、填缺量、挖余量等数据，并提供了距离信息和挖方总数量与填方总数量的累计值。以下是该设计表的功能和应用的详细描述： 1. **土石方量计算**： - 表中列出了每个桩号处的横断面积和相应的挖方与填方量，这些数据用于计算工程中需要移动的土石方总量。 2. **土石方调配**： - 设计表中的“本桩利用”、“填缺”和“挖余”列提供了每个桩号处土石方的利用情况，帮助工程师确定哪些位置的挖方可以用于填方，以及哪些位置需要额外的土石方填充。 3. **距离和桩号标记**： - 表中记录了每个桩号之间的距离，这有助于追踪土石方移动的具体位置和范围，以及确定土石方运输的成本和物流。 4. **挖方总数量与填方总数量累计**： - 表中提供了挖方和填方的累计总量，这对于项目管理和进度跟踪至关重要。 5. **土石方平衡分析**： - 通过分析表中的数据，可以进行土石方平衡分析，确保挖方与填方之间的平衡，减少废土外运和额外土石

2024-03-23

土方计算表-用于土木工程项目中的土地移动量计算.xlsx

该设计表是一个土方计算工具，主要用于土木工程项目中的土地移动量计算。它记录了在特定桩号（即位置标记）处的横断面面积、挖方量、填方量以及利用方数量和调配情况。以下是该设计表的功能和应用的详细描述： 1. **横断面面积计算**： - 表中列出了每个桩号处的横断面面积，这是通过测量或计算得出的道路横截面的面积。 2. **挖方和填方量统计**： - 挖方量指的是在施工过程中需要移除的土壤或岩石的体积。 - 填方量则是需要填充到路基或其他结构中的土壤或材料的体积。 - 表中详细记录了每个桩号处的挖方和填方量，包括土和石的分类及数量。 3. **利用方数量及调配**： - 利用方指的是在挖方过程中可以被直接用于填方的土壤或材料的体积。 - 调配是指在不同位置之间移动土壤或材料以平衡挖方和填方需求的过程。 - 表中提供了每个桩号处的利用方数量以及填缺和挖余的数据，这些数据对于确保土方工程的效率和成本控制至关重要。 4. **距离和桩号标记**： - 表中记录了每个桩号之间的距离，这有助于追踪土方移动的具体位置和范围。等等功能

2024-03-23

高等路基设计表.xlsx

该设计表是用于高等路基设计的计算工具，它包含了一系列的参数和数据，用于计算和规划路基的各个组成部分。以下是该设计表的功能和应用的详细描述： 1. **路基宽度和坡度计算**： - 设计表提供了土路肩宽度、土路肩坡度、硬路肩宽度等参数，这些参数对于确定路基的横向尺寸至关重要。 - 路拱横坡度（iG）和超高横坡度（iH）用于计算路基的纵向坡度，这对于排水和车辆稳定性有重要影响。 2. **行车道和路缘带设计**： - 行车道宽度是道路设计中的关键参数，它直接影响到交通流量和车辆行驶的安全性。 - 左侧路缘带宽度也是路基设计的一部分，它为行人和非机动车提供了安全的空间。 3. **路基过渡段设计**： - 超高过渡段长度（Lc）和超高过渡段起点/终点桩号用于设计道路在曲线部分的超高，以提供车辆在曲线行驶时的稳定性。 4. **桩号和高差计算**： - 桩号用于标记路基的具体位置，这对于施工和维护工作至关重要。 - 直线段高差计算用于确定路基在直线段的高程变化，这对于确保道路平整和排水有效非常重要。

2024-03-23

铁路轨道不平顺分析与预测（完整数据与代码）

包括全部完整代码与全部数据，可以直接运行。下载后存在任何问题可以与我联系，保证答疑。铁路轨道作为铁行车的基础设施，是铁路线路的重要组成部分。随着经济和交通运输业的发展，我国的铁路运输正朝着高速和重载方向迅速发展，与此同时，轨道结构承受来自列车荷载、运行速度的冲击和列车的振动等各方面的作用力不断增大，不仅加速了铁路轨道设备的损坏，由此产生的轨道不平顺问题会严重影响车辆行，乘客的舒适度以及设备的使用寿命等，存在非常严重的安全隐患。使用python分析所给轨道动检数据的滑动轨道质量指数，根据计算得到的高低不平顺标准差，构建时间序列预测分析模型，通过传统的机器学习与深度学习模型进行比较，预测未来一年的高低不平顺劣化趋势。详细内容及如何使用请参考博客：https://blog.csdn.net/weixin_44026026/article/details/129980463?spm=1001.2014.3001.5501

2024-01-27

大创经验分享&项目资源&代码程序资源

换了数据库mysql，以前用的是mongodb，简单，但是后面发现跨表查询确实是个问题，而且motor不支持ORM 去掉了celery，因为感觉就两个定时任务，完全没必要用celery，schedule守护线程可能是个更好更轻量的选择对项目目录做了重大调整，增加了handlers和common，api目录，对程序的职责做了更明确的划分网络或磁盘IO全部异步化，以前都是只有mongodb是异步客户端，而redis和oss都是同步请求对url.py做了重大改变，以前是只有多了一个api，就往url.py里写，弄得后面上百个api很难找到某个功能高度封装，降低代码耦合度，尤其是对异步任务的封装，见xiaodi/common/tasks.py 充分利用了python的特性，如对象协议、元类、混入类mixin、列表推导式、生成器对参数的接收采用了flask_restful的reqparse思想，使得代码精简了很多考虑了设计模式，如工厂方法增加了oss连接超时处理引入了请求时cache，确保同一次http请求不会对某个对象请求多次引入了日志引入了sse

2024-01-27

ACM/NOI/CSP比赛经验分享&代码程序资源：深度优先搜索

ACM/NOI/CSP比赛经验分享&代码程序资源：深度优先搜索全国青少年信息学奥林匹克联赛（National Olympiad in Informatics in Provinces，简称NOIP）自1995年至2020年已举办25次。每年由中国计算机学会统一组织。 NOIP在同一时间、不同地点以各省市为单位由特派员组织。全国统一大纲、统一试卷。初、高中或其他中等专业学校的学生可报名参加联赛。联赛分初赛和复赛两个阶段。初赛考察通用和实用的计算机科学知识，以笔试形式进行。复赛为程序设计，须在计算机上调试完成。参加初赛者须达到一定分数线后才有资格参加复赛。联赛分普及组和提高组两个组别，难度不同，分别面向初中和高中阶段的学生。

2024-01-27

ACM/NOI/CSP比赛经验分享&代码程序资源:基本算法贪心

2024-01-27

大创经验分享&项目资源&代码程序资源：模型车牌生成器

利用Arm Cortex-M3 DesignStart处理器在可编程逻辑平台上构建片上系统，实现图像采集，图像处理和人机交互功能，观察并优化系统的性能。使用ArmCortex-M3 DesignStart Eval提供的处理器IP，在你的可编程逻辑平台上构建简单的Cortex-M3片上系统。系统应至少包含： ArmCortex-M3 DesignStart处理器；利用片上或板上资源实现的ROM与RAM；与芯片外部引脚连接的GPIO外设。使用KeilμVision工具编写并生成软件程序，实现GPIO输出引脚跟随GPIO输入引脚变化。将对应的输入、输出引脚连接至板上开关与LED，确认程序正确运行。如上图，在FPGA中编写图像传感器的接口和数据缓存，作为Cortex-M3片上系统的一个外设，并编写软件程序，将图像传感器的采集结果显示在开发平台自带的液晶屏上。在Cortex-M3上编写软件程序，识别摄像头拍摄到的车牌中的5位数字并显示在LCD屏上。可以在FPGA中设计硬件加速器，帮助Cortex-M3加快图像识别的速度。利用以上实现的系统，进行20张

2024-01-27

图像风格迁移研究数据集，提供一幅画将任意一张照片转化成这个风格

图像风格迁移研究可以使用的数据集所谓风格迁移，其实就是提供一幅画(Reference style image)，将任意一张照片转化成这个风格，并尽量保留原照的内容(Content)。深度学习的图像风格迁移方法主要包括：（1）基于图像迭代。该方法合成图像的质量高、可控性好，易于调参，无需训练数据，也无生成模型。但每次生成图片都需重新训练，十分耗时。（2）基于模型迭代。计算速度快，可用于视频快速风格化，目前工业应用软件的主流技术。图像生成质量有待进一步提高，需要大量的训练数据。

2024-01-27

电赛历年试题&经验分享&代码程序资源：2020年电赛A题代码

电赛历年试题&经验分享&代码程序资源：2020年电赛A题代码分为手机端（android），主显示端，姿态检测手环端，心率滤波读取端 mcu 采用的是esp32.结合了适配esp32的arduino以及rtos框架进行开发。开发环境及语言安卓为android studio java开发 esp32为platform io c/c++ 节点间通信方式 tcp直连，手机端为总服务端

2024-01-27

MySQL-Notes学习笔记

MySQL 是一个关系型数据库管理系统，由瑞典 MySQL AB 公司开发，目前属于 Oracle 公司。MySQL 是一种关联数据库管理系统，关联数据库将数据保存在不同的表中，而不是将所有数据放在一个大仓库内，这样就增加了速度并提高了灵活性。 MySQL 是开源的，目前隶属于 Oracle 旗下产品。 MySQL 支持大型的数据库。可以处理拥有上千万条记录的大型数据库。 MySQL 使用标准的 SQL 数据语言形式。 MySQL 可以运行于多个系统上，并且支持多种语言。这些编程语言包括 C、C++、Python、Java、Perl、PHP、Eiffel、Ruby 和 Tcl 等。 MySQL 对 PHP 有很好的支持，PHP 是很适合用于 Web 程序开发。 MySQL 支持大型数据库，支持 5000 万条记录的数据仓库，32 位系统表文件最大可支持 4GB，64 位系统支持最大的表文件为8TB。 MySQL 是可以定制的，采用了 GPL 协议，你可以修改源码来开发自己的 MySQL 系统。

2024-01-27

该方案作为一套多功能的后台框架模板，适用于绝大部分的后台管理系统开发基于 Vue3 + pinia + typescript

该方案作为一套多功能的后台框架模板，适用于绝大部分的后台管理系统开发。基于 Vue3 + pinia + typescript，引用 Element Plus 组件库，方便开发。实现逻辑简单，适合外包项目，快速交付。功能 Element Plus vite 3 pinia typescript 登录/注销 Dashboard 表格 Tab 选项卡表单图表富文本/markdown编辑器图片拖拽/裁剪上传权限管理三级菜单自定义图标

2024-01-27

深度学习GAN相关毕业设计项目&写作技巧&答辩ppt

基于生成式对抗网络的图像风格迁移研究答辩ppt

2024-01-27

网页版拳皇KOF-practice

实现了一个网页版本的简易拳皇可以实现上下左右并进行攻击具体内容请参考博客：https://yanyuchen.blog.csdn.net/article/details/124362600

2024-01-27

自然语言处理学习笔记nlp-tutorial

自然语言处理（Natural Language Processing，NLP）是计算机科学、人工智能和语言学领域的一个交叉学科，主要研究如何让计算机能够理解、处理、生成和模拟人类语言的能力，从而实现与人类进行自然对话的能力。通过自然语言处理技术，可以实现机器翻译、问答系统、情感分析、文本摘要等多种应用。随着深度学习技术的发展，人工神经网络和其他机器学习方法已经在自然语言处理领域取得了重要的进展。未来的发展方向包括更深入的语义理解、更好的对话系统、更广泛的跨语言处理和更强大的迁移学习技术。

2024-01-27

程序员简历模板，简洁明了，逻辑结构清晰

北京XXX java大数据工程师— 2013.4月-2015.12月1、负责实时流消息处理应用系统构建和实现在调研了kafka的优势和我们的具体需求之后,用kafka作为消费者,保证高吞吐处理消息,并持久化消息的同时供其它服务使用,进行了系统的设计和搭建使用。本地日志保证消息不丢失,并通过记录游标滑动重复读取数据。使用storm 负责搭建消息处理架构,并完成基于业务的消息落地,提供后续的数据统计分析实时和离线任务,诸如pv、uv等数据,为运营做决策网站用户行为埋点和基于js的日志收集器开发,定义接又和前端部门配合。主用go 2、hadoop集群搭建和数据分析处理2、基于CDH的集群搭建工作,后期进行维护编写MapReduce程序,能将复杂工作逻辑化,尽最大能力发挥大数据应用的特点, 对程序高要求,监控自己程序运行情况,使用内存合理,注重增量

2024-01-26

2020年美赛D题2020-ICM-Problem-D

美国大学生数学建模竞赛（MCM/ICM），简称“美赛”，由美国数学及其应用联合会主办，是最高的国际性数学建模竞赛，也是世界范围内最具影响力的数学建模竞赛，一般也指数学建模竞赛。赛题内容涉及经济、管理、环境、资源、生态、医学、安全、等众多领域。竞赛要求三人（本科生和研究生均可参加）为一组，在四天时间内，就指定的问题完成从建立模型、求解、验证到论文撰写的全部工作，体现了参赛选手研究问题、解决方案的能力及团队合作精神。为现今各类数学建模竞赛之鼻祖。 MCM/ICM 是 Mathematical Contest In Modeling 和 Interdisciplinary Contest In Modeling 的缩写。MCM 始于 1985 年，ICM 始于 1999 年，由 COMAP（the Consortium for Mathematics and Its Applications，美国数学及其应用联合会）主办，得到了 SIAM，NSA，INFORMS 等多个组织的赞助。MCM/ICM 着重强调研究和解决方案的原创性、团队合作、交流及结果的合理性。

2024-01-26

遗传算法求解最优解最大值项目.zip

课程设计：遗传算法求解最大值遗传算法（Genetic Algorithm，简称GA）是一种最基本的进化算法，它是模拟达尔文生物进化理论的一种优化模型，最早由J.Holland教授于1975年提出。遗传算法中种群每个个体都是解空间上的一个可行解，通过模拟生物的进化过程，从而在解空间内搜索最优解。首先，让我们刷新自己的记忆，试着理解一下达尔文提出的自然选择。这个理论很简单：物种想要生生不息，就得持续自我提升，适者才能生存。种群中最优秀的特质应该传递给后代，而其他个体也不能被遗忘，这样才能维持一定的多样性，自然环境发生变化时才更容易适应。这是遗传算法的理论基础。

2024-01-26

第16届智能车规则.pdf

全国大学生智能汽车竞赛是一项以“立足培养、重在参与、鼓励探索、追求卓越”为指导思想，面向全国大学生开展的具有探索性的工程实践活动。它以设计制作在特定赛道上能自主行驶且具有优越性能的智能模型汽车这类复杂工程问题为任务，鼓励大学生组成团队，综合运用多学科知识，提出、分析、设计、开发并研究智能汽车的机械结构、电子线路、运动控制和开发与调试工具等问题，激发大学生从事工程技术开发和科学研究探索的兴趣和潜能，倡导理论联系实际、求真务实的学风和团队协作的人文精神。

2024-01-22

蓝桥杯标准模板.zip

蓝桥杯单片机标准模板.。蓝桥杯单片机组考察数模电和单片机的知识，c语言也涉及到一点，30分的客观70分的主观。客观题部分主要由数模电c语言单片机的基础知识为主，一共十道，数模电会有5-6道，单片机有3-4道，可能还会有一道c语言的语法题。数模电考察的很基础，基本是书本上的重点知识，而单片机的部分则可以通过查资源数据包中的芯片手册来解答，建议备赛时把芯片手册都过一遍。比赛一共5小时，早9点到下午2点，时间分配基本上是30分钟的客观题，四个半小时的主观题。在省赛时，这个时间肯定是够的，但是国赛时就不太够了，平时练习时要注意速度。比赛固定赛点，如果自己学校没有申请成为赛点的话，那么就得去别的学校比赛，省赛会在省内比，而国赛原则上是要去北京比，但是这两年因为疫情原因，都改为了省内比赛。赛场是无网络环境，会发一个资源数据包，内含原理图，烧写软件，芯片手册等等，比赛时用官方发的单片机板子，提交答案时，需要将整个单片机工程文件压缩后上传。

2024-01-22

java面经文档、技术要点或面试编程题资源

Java是一种高级的面向对象的程序设计语言，它具有广泛的应用和强大的跨平台特性。Java语言于1995年由Sun公司推出，由Java之父詹姆斯高斯林设计。Java的设计目标是提供一种易学易用、功能强大的编程语言，使开发人员能够快速开发可靠的应用程序。 Java的跨平台特性是其最显著的特点之一。Java程序可以在任何计算机、操作系统和支持Java的硬件设备上运行。这意味着开发人员只需编写一次代码，就可以在多个平台上运行，大大提高了开发效率和应用程序的可移植性。 Java的应用领域非常广泛。它被广泛用于开发Web应用程序、企业级应用程序、移动应用程序、嵌入式系统和消费类电子产品等。Java提供了丰富的类库和工具，使开发人员能够快速构建各种类型的应用程序。 Java语言具有面向对象的特性，包括封装、继承和多态。这些特性使得Java程序具有良好的可维护性、可扩展性和代码重用性。同时，Java还提供了自动内存管理和异常处理机制，使开发人员能够更轻松地编写高质量的代码。总之，Java是一种功能强大、易学易用、具有广泛应用和强大跨平台特性的编程语言。它的设计目标是提供一种高效的开发工具，使

2024-01-22

vue面试题面试集锦01.md

以下是关于Vue面试题的回答： 1. v-on可以监听多个方法，但是同一种事件类型的方法，vue-cli工程会报错。这是因为在Vue中，同一种事件类型只能绑定一个方法。如果需要绑定多个方法，可以使用一个方法来调用其他方法。 2. 在Vue中编写可复用的组件的思路是将组件的逻辑和样式封装在一个单独的.vue文件中。这个文件包含了组件的模板、样式和逻辑。通过使用Vue的组件系统，可以在其他地方多次使用这个组件。 3. MVVM是Model-View-ViewModel的缩写，是一种软件架构模式。在Vue中，M代表数据模型（Model），V代表视图（View），VM代表视图模型（ViewModel）。Vue通过数据绑定和响应式系统实现了数据模型和视图之间的自动同步。 4. Computed属性是Vue中的一个特性，它可以根据依赖的数据动态计算出一个新的值，并将这个值缓存起来。当依赖的数据发生变化时，Computed属性会重新计算并更新。这个特性可以用来处理一些需要根据数据动态计算的逻辑，例如根据输入框的值计算出一个结果。

2024-01-22

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

纵断面-记录和计算工程项目中特定区域的纵断面特性.xlsx

逐桩坐标表直线段.xlsx

逐桩坐标表曲线段 方位角.xlsx

逐桩坐标表-用于记录和存档工程项目中的详细地理位置信息.xlsx

直线、曲线及转角表.xlsx

土石方数量计算表.xlsx

土方计算表-用于土木工程项目中的土地移动量计算.xlsx

高等路基设计表.xlsx

铁路轨道不平顺分析与预测（完整数据与代码）

大创经验分享&项目资源&代码程序资源

ACM/NOI/CSP比赛经验分享&代码程序资源：深度优先搜索

ACM/NOI/CSP比赛经验分享&代码程序资源:基本算法贪心

大创经验分享&项目资源&代码程序资源：模型车牌生成器

图像风格迁移研究数据集，提供一幅画将任意一张照片转化成这个风格

电赛历年试题&经验分享&代码程序资源：2020年电赛A题代码

MySQL-Notes学习笔记

该方案作为一套多功能的后台框架模板，适用于绝大部分的后台管理系统开发 基于 Vue3 + pinia + typescript

深度学习GAN相关毕业设计项目&写作技巧&答辩ppt

网页版拳皇KOF-practice

自然语言处理学习笔记nlp-tutorial

程序员简历模板，简洁明了，逻辑结构清晰

2020年美赛D题2020-ICM-Problem-D

遗传算法求解最优解最大值项目.zip

第16届智能车规则.pdf

蓝桥杯标准模板.zip

java面经文档、技术要点或面试编程题资源

vue面试题面试集锦01.md

08.如何分析开源项目.md

07.SpringCloud.md

06.SpringBoot.md

05.SSM整合.md

04.SpringMVC.md

03.Spring入门.md

02.SSM框架之Mybatis.md

01.JavaWeb入门.md

java学习：索引.md

java学习：01.设计模式.md

java学习：01.JUC.md

01.Vue学习笔记.md

java学习：01.ElasticSearch入门.md

空空如也

逐桩坐标表曲线段方位角.xlsx

该方案作为一套多功能的后台框架模板，适用于绝大部分的后台管理系统开发基于 Vue3 + pinia + typescript